CN103235979A - 地铁设备备件需求的预测方法 - Google Patents
地铁设备备件需求的预测方法 Download PDFInfo
- Publication number
- CN103235979A CN103235979A CN2013101125673A CN201310112567A CN103235979A CN 103235979 A CN103235979 A CN 103235979A CN 2013101125673 A CN2013101125673 A CN 2013101125673A CN 201310112567 A CN201310112567 A CN 201310112567A CN 103235979 A CN103235979 A CN 103235979A
- Authority
- CN
- China
- Prior art keywords
- equipment
- spare part
- spares
- time interval
- subway
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于设备管理技术领域，具体为一种地铁设备备件需求的预测方法。该方法可以对各类设备备件进行独立预测，是一种时间序列预测方法。该预测方法分为四个步骤来进行，分别为：记录各类设备备件的安装数量和设计寿命、生成设备备件的更换时间表、统计备件更换的频率和计算设备备件需求量。本发明对地铁备件需求进行科学预测，以制定科学的地铁备件订货、库存策略，其在满足地铁系统正常运营的前提下，能实现地铁备件管理成本最小化和经济效益最大化。
Description
技术领域
本发明属于设备管理技术领域，具体涉及一种地铁设备备件需求的预测方法。
背景技术
地铁是现代城市重要的公共交通设施，地铁备件则是地铁运营过程中用于及时更换地铁系统中设备或配件的备用品，是地铁经济运行、安全运行的重要环节，关系到地铁的正常运营和经济、社会效益，在地铁运营中有着举足轻重的作用。虽然我国地铁已经运营了多年，但是由于制度、人员、技术上的差距，与世界一流地铁运营企业相比，我国的地铁备件管理水平还存在着很大的不足，存在设备亏损过大、物料消耗过高、人工成本比例大的问题。
在地铁备件管理系统中，需要对地铁备件需求进行科学预测，以制定科学的地铁备件订货、库存策略，在满足地铁系统正常运营的前提下，实现地铁备件管理成本最小化和经济效益最大化，这是难点，也是关键点。
发明内容
地铁系统中的设备众多，在其整个寿命期内要更换的零备件管理也相应复杂；每种设备的使用寿命均不相同，需要提供设备的备件，以及时更新。备件管理需要对设备备件的需求量进行预测，以制定采购策略，满足地铁运营的高可靠性需求。
本发明的主要目的是提出一种地铁设备备件需求的预测方法。该方法对各类设备备件进行独立预测，是一种时间序列预测方法。该方法依据设备备件的寿命分布，结合现有的历史故障数据，利用统计信息，该预测方法分为四个步骤，具体描述如下：
1、记录各类设备备件的安装数量和各类设备备件的设计寿命
地铁的设备备件种类繁多，需要先将地铁设备备件进行分类，对不同类的设备备件进行独立预测。考虑到地铁运营已运营多年，存在着一定数量的数据记录，更为了寻求更高的准确率，做到更细化的分析，所以本发明将型号完全相同的设备备件作为一类。
记录下各类设备备件的已安装数量和各类设备备件的设计寿命。
2、生成设备备件的更换时间表
记录各类设备备件每次因故障等原因不能正常工作而进行备件更换的时间，绘制成设备备件的更换时间表，确定设备备件更换的间隔期，估计设备备件的更换频率，探索设备备件的更换规律。设备更换时间表一定程度上也直观反映了设备备件的寿命分布、更换周期。该阶段需要较长期、大量、连续的数据记录为基础，时间跨度越长，数据越可靠。
3、统计备件更换的频率
根据设备备件的更换时间表，统计从设备安装开始，在过去多个连续的时间区间内某类备件更换的总次数。设备备件X，在过去第i个时间区间的备件实际需求量记为D(X，i)。例如我们可以统计从设备安装开始到当前为止，每个月备件更换的次数，也就是备件需求量。
一般应用情况下，由于各类设备备件的寿命周期相差很大，所以可以为各类设备备件挑选合适的时间区间。对某类设备备件来说，分布时间区间不宜太大，会减弱数据的隐含信息；也不宜太小，会导致统计数据波动过大，都会严重影响预测结果。
4、计算设备备件需求量
统计完设备备件的前N个时间区间的实际需求量后，预测某类设备备件X，在下一个时间区间N+1的备件需求量 F(X，N+1)，其公式如下：
F(X，N+1)=a*D(X，N)+(1-a)*F(X，N) (1)
F(X，N+1)、F(X，N)将向上取整；
其中：
参数a代表历史实际需求值的权重系数，取值范围0-1，a越接近1，表示预测值F(X，N+1)越反映最近一次的实际需求值，a越接近0，表示F(X，N+1)越反映需求量的历史平均值。
a取值的选择可以根据预测结果与实际需求量的偏差进行动态调整，假定T为预先设定的阈值，如果D(X,N)－F(X,N)>T，则将a增加一定的值d1，如果F(X,N)-D(X,N)>T，则将a减少一定的值d2,a增加或者减少值后不能超过a的取值范围。
D(X，0)＝0；
D(X，N)表示设备备件X在之前时间区间N的备件实际需求量；
F(X，0)＝(X的已安装数量*预测的时间区间长度)／X的设计寿命；
预测的时间区间长度和步骤(3)中选择的合适时间区间长度相同；
F(X，N)表示设备备件X在之前时间区间N的备件需求量的预测值。
至此，某类设备备件在前N个时间区间后需求就预测出来了。
具体实施方式
实施例1
下面采用一个例子来说明本发明如何实现地铁设备备件的需求预测：
（1） 将地铁设备备件进行分类，型号完全相同的设备备件作为一类，记录下安装的数量，不同类的设备备件进行独立预测，记录厂商提供设备备件的设计寿命。
例如：
| 备件类别 | 设计寿命(天)(L) | 已安装的数量(K) |
| 车轮A | 1000 | 200 |
| 车轮B | 2000 | 200 |
| 刹车片 | 4000 | 100 |
| 信号控制灯 | 5000 | 50 |
| … |
（2）记录每个设备备件因故障等原因不能正常工作而进行备件更换的时间，生成设备备件更换时间表。
例如：
| 备件名称 | 更换时间 |
| 车轮A | 2011-2-12 |
| 车轮B | 2011-2-15 |
| 车轮A | 2011-4-11 |
| … |
（3） 统计备件更换的频率
根据设备备件的更换时间表，统计从设备安装开始，在过去多个连续的时间区间内某类备件更换的总次数，设备备件X，在过去第i个时间区间的备件实际需求量 D(X，i)，例如统计从设备安装开始到当前为止，每个月备件更换的次数(也就是备件需求量)
例如：
| 备件名称 | 第一个月更换量 | 第二个月更换量 | 第三个月更换量 | … |
| 车轮A | 10 | 15 | 12 | |
| 刹车片 | 2 | 5 | 7 | |
| … |
（4） 计算备件需求量
统计完前N个时间区间的实际需求量后，预测某类备件X，在下一个时间区间N+1的备件需求量为：
F(X,N+1)=a*D(X，N)+(1-a)*F(X，N)
F(X，N+1)将向上取整；
其中，
D(X，0)＝0，
参数a代表历史实际需求值的权重系数，取值范围0-1，a越接近1，表示预测值F(X，N+1)越反映最近一次的实际需求值，a越接近0，表示F(X，N+1)越反映需求量的历史平均值。a取值的选择可以根据预测结果与实际需求量的偏差进行动态调整，假定T为预先设定的阈值，如果D(X,N)－F(X,N)>T，则将a增加一定的值d1，如果F(X,N)-D(X,N)>T，则将a减少一定的值d2。a增加或者减少值后不能超过a的取值范围。
F(X,0)＝(X的已安装数量*预测的时间区间长度)／X的设计寿命。
例如，车轮A的需求，假定a初始取值0.5 ，阈值T＝3，每次调整a的增加或减少量d1＝d2＝0.1。
车轮A的F(X,0)=(200*30天) ／1000天＝6 (区间长度为1个月＝30天)。
那么，预测第一个月的备件需求数量为：
F(X,1）=a*D(X,0)+(1-a)*F(X,0)＝0.5*0+0.5*6=3
D(X,1)根据需求表中记录的值为10。
D(X,1)-F(X,1)=7，大于阈值T＝3，因此增加a，a=0.5+0.1=0.6
预测第二个月的备件需求量为：
F(X,2)=a*D(X,1)+(1-a)*F(X,1)＝0.6*10+0.4*3=7.2 取整为8。
(X,2)=15
D(X,2)-F(X,2)=7>3，因此增加a，a=0.6+0.1=0.7
预测第三个月的备件需求量为：
F(X,3)=a*D(X,2)+(1-a)*F(X,2)＝0.7*15+0.3*8=12.9 取整为13。
(X,3)=12
a值不用调整。
预测第四个月的备件需求量为：
F(X,4)=a*D(X,3)+(1-a)*F(X,3)＝0.7*12+0.3*13=12.3 取整为13。
如下表所示为第一个月到第三个月车轮A的轮胎实际需求量和根据公式获得的第一个月到四个月的车轮A的轮胎预测需求量，结果显示，本发明的预测方法是有效、简单的，并且可知现有设备备件的更换时间、及统计备件更换的频率的数据量越大，其之后的预测结果愈加准确。
| F(X，N) | D(X，N) | a | |
| 初始(N=0) | 6 | 0 | 0.5 |
| 第一个月(N=1) | 3 | 10 | 0.5 |
| 第二个月(N=2) | 8 | 15 | 0.6 |
| 0第三个月(N=3) | 13 | 12 | 0.7 |
| 第四个月(N=4) | 13 | ||
| … |
Claims (2)
1.一种地铁设备备件需求的预测方法，其特征在于，具体步骤如下：
(1)记录各类设备备件的安装数量和设计寿命；
(2)生成设备备件的更换时间表；
(3)统计备件更换的频率
根据各类设备备件的设计寿命及其备件更换时间表，选择合适的时间区间长度，统计设备备件在时间区间内的实际需求量；
(4)计算设备备件需求量
对于某类设备备件X，将预测的下一个时间区间N+1的备件需求量设为F(X，N+1) ，其计算公式如下：
F(X，N+1)=a*D(X，N)+(1-a)*F(X，N)，
F(X，N+1)、F(X，N)向上取整；
其中：
参数a表示历史实际需求值的权重系数，取值范围在0-1之间；
D(X，0)＝0；
D(X，N)表示设备备件X在之前时间区间N的备件实际需求量；
F(X，0)＝(X的已安装数量*预测的时间区间长度)／X的设计寿命；
预测的时间区间长度和步骤(3)中选择的合适时间区间长度相同；
F(X，N)表示设备备件X在之前时间区间N的备件需求量的预测值。
2.根据权利要求1所述的地铁设备备件需求的预测方法，其特征在于，步骤(1)中，将型号完全相同的设备备件化分为同一类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013101125673A CN103235979A (zh) | 2013-04-02 | 2013-04-02 | 地铁设备备件需求的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013101125673A CN103235979A (zh) | 2013-04-02 | 2013-04-02 | 地铁设备备件需求的预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103235979A true CN103235979A (zh) | 2013-08-07 |
Family
ID=48884018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013101125673A Pending CN103235979A (zh) | 2013-04-02 | 2013-04-02 | 地铁设备备件需求的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103235979A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632054A (zh) * | 2013-11-28 | 2014-03-12 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
| CN104463421A (zh) * | 2014-11-06 | 2015-03-25 | 朱秋实 | 一种基于实时状态的大数据建模的设备动态优化维护方法 |
| CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
| CN105469240A (zh) * | 2015-11-25 | 2016-04-06 | 北京交控科技股份有限公司 | 一种地铁信号设备的备品备件库存管理方法及系统 |
| CN106227994A (zh) * | 2016-01-28 | 2016-12-14 | 西北工业大学 | 多态混联可修系统备件需求预测方法 |
| CN110569996A (zh) * | 2019-09-03 | 2019-12-13 | 神华铁路货车运输有限责任公司沧州机车车辆维修分公司 | 一种车辆检修数据处理方法及系统 |
| CN110929937A (zh) * | 2019-11-25 | 2020-03-27 | 西安空天能源动力智能制造研究院有限公司 | 一种实现燃气轮机维修活动优化的方法 |
| CN111461559A (zh) * | 2020-04-03 | 2020-07-28 | 中国人民解放军陆军勤务学院 | 备件需求量确定方法、装置及电子设备 |
| CN112668746A (zh) * | 2019-10-15 | 2021-04-16 | 深圳怡化电脑股份有限公司 | 一种备用模块需求预测方法、装置、存储介质及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070156543A1 (en) * | 2005-12-29 | 2007-07-05 | Kimberly-Clark Worldwide, Inc. | Spare parts inventory management |
| CN101086770A (zh) * | 2006-06-08 | 2007-12-12 | 上海凌鼎管理软件有限公司 | 零备件需求累积预测方法 |
| US20080270150A1 (en) * | 2007-04-26 | 2008-10-30 | Accenture Global Services Gmbh | Systems and methods of repair and operations planning |
| CN101320455A (zh) * | 2008-06-30 | 2008-12-10 | 西安交通大学 | 基于在役寿命评估的备件需求预测方法 |
-
2013
- 2013-04-02 CN CN2013101125673A patent/CN103235979A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070156543A1 (en) * | 2005-12-29 | 2007-07-05 | Kimberly-Clark Worldwide, Inc. | Spare parts inventory management |
| CN101086770A (zh) * | 2006-06-08 | 2007-12-12 | 上海凌鼎管理软件有限公司 | 零备件需求累积预测方法 |
| US20080270150A1 (en) * | 2007-04-26 | 2008-10-30 | Accenture Global Services Gmbh | Systems and methods of repair and operations planning |
| CN101320455A (zh) * | 2008-06-30 | 2008-12-10 | 西安交通大学 | 基于在役寿命评估的备件需求预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李武胜: "备件需求预测技术综述", 《物流技术》, vol. 26, no. 8, 15 August 2007 (2007-08-15) * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632054A (zh) * | 2013-11-28 | 2014-03-12 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
| CN103632054B (zh) * | 2013-11-28 | 2017-01-04 | 清华大学 | 一种基于状态监测和设备部件可靠性的备件需求预测方法 |
| CN104463421B (zh) * | 2014-11-06 | 2017-09-01 | 朱秋实 | 一种基于实时状态的大数据建模的设备动态优化维护方法 |
| CN104463421A (zh) * | 2014-11-06 | 2015-03-25 | 朱秋实 | 一种基于实时状态的大数据建模的设备动态优化维护方法 |
| CN105160513A (zh) * | 2015-09-07 | 2015-12-16 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
| CN105160513B (zh) * | 2015-09-07 | 2019-01-29 | 拓维信息系统股份有限公司 | 一种设备备件的安全库存计算方法及系统 |
| CN105469240A (zh) * | 2015-11-25 | 2016-04-06 | 北京交控科技股份有限公司 | 一种地铁信号设备的备品备件库存管理方法及系统 |
| CN106227994A (zh) * | 2016-01-28 | 2016-12-14 | 西北工业大学 | 多态混联可修系统备件需求预测方法 |
| CN110569996A (zh) * | 2019-09-03 | 2019-12-13 | 神华铁路货车运输有限责任公司沧州机车车辆维修分公司 | 一种车辆检修数据处理方法及系统 |
| CN110569996B (zh) * | 2019-09-03 | 2023-10-10 | 国能铁路装备有限责任公司沧州机车车辆维修分公司 | 一种车辆检修数据处理方法及系统 |
| CN112668746A (zh) * | 2019-10-15 | 2021-04-16 | 深圳怡化电脑股份有限公司 | 一种备用模块需求预测方法、装置、存储介质及设备 |
| CN110929937A (zh) * | 2019-11-25 | 2020-03-27 | 西安空天能源动力智能制造研究院有限公司 | 一种实现燃气轮机维修活动优化的方法 |
| CN111461559A (zh) * | 2020-04-03 | 2020-07-28 | 中国人民解放军陆军勤务学院 | 备件需求量确定方法、装置及电子设备 |
| CN111461559B (zh) * | 2020-04-03 | 2023-06-23 | 中国人民解放军陆军勤务学院 | 备件需求量确定方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103235979A (zh) | 地铁设备备件需求的预测方法 | |
| US9058569B2 (en) | System and method for maintenance planning and failure prediction for equipment subject to periodic failure risk | |
| CA2831142C (en) | Maintenance system for aircraft fleet and method for planning maintenance | |
| Kobbacy et al. | Optimal maintenance of multi-component systems: a review | |
| US8887008B2 (en) | Maintenance planning and failure prediction from data observed within a time window | |
| Bao et al. | An analysis of availability for series Markov repairable system with neglected or delayed failures | |
| US20130179212A1 (en) | Capital asset investment planning apparatus | |
| US8762291B2 (en) | Robust optimization of bulk gas distribution | |
| CN104573877A (zh) | 配电网设备需求量预测和定量方法及其系统 | |
| KR102531242B1 (ko) | 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법 | |
| Ruan et al. | Configuration model of partial repairable spares under batch ordering policy based on inventory state | |
| Khoury et al. | On the Use of Time‐Limited Information for Maintenance Decision Support: A Predictive Approach under Maintenance Constraints | |
| CN105404940B (zh) | 一种面向船舶使用阶段的维修资源预测方法 | |
| US8380550B2 (en) | Method and computer program product for maintenance and modernization backlogging | |
| JP2008021020A (ja) | 販売計画作成支援システム | |
| JP5864847B2 (ja) | 保守管理システム、及び保守管理方法 | |
| CN114819652B (zh) | 一种基于区块链的固定资产智能管理方法及系统 | |
| US20210192642A1 (en) | Power charge/discharge control method and apparatus for controlling energy storage apparatus by using short-term power consumption amount | |
| Currie et al. | Transforming ‘value engineering’from an art form into a science–process resilience modelling | |
| CN105550494B (zh) | 一种面向船舶冗余设备的使用辅助决策支持方法及系统 | |
| Lesobre et al. | A Usage-Informed Preventive Maintenance Policy to Optimize the Maintenance Free Operating Period for Multi-Component Systems | |
| KR101787810B1 (ko) | 액화천연가스 부유식 생산저장설비 탑사이드 공정의 예방 보전 주기 최적화 방법 | |
| Kovalenko et al. | Specificity of optimization of performance indicators of technical operation and updating of radio electronic systems of aircraft | |
| Sharma | Data-Driven Optimization of Railway Track Inspection and Maintenance Using Markov Decision Process | |
| Carpentieri et al. | A life cycle cost framework for the management of spare parts |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130807 |